Cargas de trabajo de aprendizaje automático de Microsoft SQL Server en Red Hat Enterprise Linux y Red Hat OpenShift.

Resumen

Acelera las canalizaciones de aprendizaje automático utilizando SQL Server en Red Hat Enterprise Linux y OpenShift. Aprende técnicas de aprendizaje automático dentro de la base de datos y la contenedorización para una producción y despliegue de modelos eficientes.

Programa de estudio

• Introducción a Microsoft SQL Server en Red Hat
Descripción general de las capacidades de SQL Server
Introducción a Red Hat Enterprise Linux y OpenShift
Comprensión de cargas de trabajo de aprendizaje automático en SQL Server
• Configuración de SQL Server en Red Hat Enterprise Linux
Instalación y configuración de SQL Server en RHEL
Comandos esenciales de RHEL para gestionar SQL Server
Ajuste y optimización del rendimiento en RHEL
• Aprendizaje Automático en Base de Datos con SQL Server
Descripción general de los Servicios de Aprendizaje Automático de SQL Server
Implementación de scripts en R y Python en SQL Server
Preparación y transformación de datos usando SQL Server
• Construcción y Optimización de Tuberías de ML
Diseño de flujos de trabajo eficientes de aprendizaje automático
Entrenamiento y evaluación de modelos dentro de SQL Server
Aprovechamiento de SQL Server para la ingesta y procesamiento de datos
• Contenerización de SQL Server para Aprendizaje Automático
Introducción a contenedores y orquestación de contenedores
Despliegue de SQL Server en OpenShift
Mejores prácticas para cargas de trabajo de aprendizaje automático contenerizadas
• Despliegue de Modelos de Aprendizaje Automático en OpenShift
Integración continua y despliegue para modelos de aprendizaje automático
Creación y gestión de despliegues OpenShift para soluciones de ML
Monitoreo y escalado de aplicaciones de ML en OpenShift
• Seguridad y Mantenimiento
Implementación de mejores prácticas de seguridad para SQL Server y OpenShift
Tareas de mantenimiento regular para bases de datos y contenedores
Estrategias de copia de seguridad y recuperación para SQL Server en Linux
• Estudios de Caso y Aplicaciones del Mundo Real
Exploración de escenarios del mundo real usando cargas de trabajo de ML de SQL Server
Historias de éxito y aplicaciones industriales
Lecciones aprendidas y tendencias futuras en SQL Server ML en RHEL
• Proyecto Final
Diseñar, implementar y desplegar una tubería completa de ML usando SQL Server en RHEL y OpenShift
Presentación y revisión por pares de los proyectos finales

Asignaturas

Charlas de conferencia